本研究比较了GPT4-Vision与其他多模态大型语言模型在决策制定中的表现，发现GPT4-Vision在准确率上优于其他模型。研究还探讨了LLM系统的设计空间、任务规划和知识模型的引入，提出了多项改进方法，显著提升了智能体在复杂任务中的表现。

本文提出了一种混合预测方法，将知识模型与机器学习结合，成功预测混沌动力系统的演化。研究表明，在高噪声条件下，机器学习的建模和控制性能优于传统方法，且新方法提高了对混沌系统长期预测的能力，展示了机器学习在混沌动力学中的应用潜力。

本文介绍了一种结合语言模型与知识的问答方法，旨在提高开放域问题回答的性能。通过整合结构化和非结构化知识，提出了统一的知识模型，显著提升了问答系统的准确性和效率。研究开发的KGQAn系统能够灵活处理不同知识图谱，表现优于现有系统，实验结果在多个基准测试中取得了优异成绩。